Senior GenAI Engineer - Remote, End-to-End AI Solutions

knowmad mood; España; Presencial; EUR 70.000 - 100.000; Jornada completa

Ventajas ofrecidas por este puesto de trabajo

Contrato indefinido

Remoto

Formación interna

Retribución flexible

Embajador de nuestra marca

Recomienda a tus amigos

Eventos, meetups, techdays, charlas

26 días de descanso

Horario flexible

Descripción de la vacante

knowmad mood está buscando un/a AI Engineer Senior para liderar capacidades GenAI en nuestras aplicaciones, con foco en RAG, búsqueda semántica y agentes. Trabajarás con modelos, APIs y pipelines para llevar soluciones de IA a producción.

Formarás parte de un equipo internacional, colaborarás con Cybersecurity, Data y DevOps, y participarás en el roadmap de IA, definiendo guardrails y métricas de rendimiento.

Formación

• Experiencia desarrollando GenAI end-to-end.
• Conocimiento sólido de Python.
• Conocimiento profundo de LLMs, prompt engineering, embeddings, búsqueda semántica, RAG y agentes.
• Experiencia utilizando frameworks GenAI como LangChain y LangGraph.
• Experiencia diseñando workflows de agentes, tool calling y razonamiento controlado.
• Experiencia integrando modelos mediante APIs y gestión de contexto, latencia, reintentos, caché y límites de consumo.
• Conocimiento de bases de datos vectoriales, motores de búsqueda y mecanismos de recuperación de información.
• Experiencia definiendo estrategias de chunking, embeddings, retrieval y reranking.
• Conocimientos de NLP para clasificación, extracción de entidades, clustering, resumen y detección de similitudes.
• Experiencia desarrollando APIs y servicios backend en Python para poner modelos en producción.
• Experiencia con GitHub, testing automatizado, revisión de código y pipelines de integración y despliegue continuo.
• Conocimientos de observabilidad y monitorización en Dynatrace.
• Capacidad para comunicar decisiones técnicas, limitaciones y riesgos a perfiles técnicos y no técnicos.

Responsabilidades

• Diseñar y desarrollar las capacidades de GenAI de las aplicaciones.
• Definir y desarrollar arquitecturas basadas en RAG, búsqueda semántica, agentes, tool calling y workflows de inteligencia artificial.
• Seleccionar y evaluar los modelos más adecuados para cada caso de uso, considerando precisión, latencia, coste, seguridad y capacidad de integración.
• Integrar modelos comerciales en la solución.
• Diseñar estrategias de prompts, instrucciones de sistema, herramientas, memoria y gestión de contexto.
• Desarrollar mecanismos de clasificación, extracción de entidades, resumen, correlación y contextualización.
• Diseñar procesos para analizar información no estructurada procedente de sistemas internos, documentación, APIs, páginas web, feeds externos, foros y canales de comunicación.
• Implementar sistemas de búsqueda semántica, recuperación de información y generación aumentada mediante contexto.
• Diseñar estrategias de chunking, embeddings, indexación, reranking y recuperación de evidencias.
• Crear agentes y workflows capaces de utilizar herramientas, consultar fuentes, ejecutar validaciones y generar resultados trazables.
• Desarrollar reglas para identificar amenazas relevantes, relacionarlas con activos corporativos y reducir falsos positivos.
• Desarrollar mecanismos para analizar vulnerabilidades, dependencias de software, repositorios de código, uso de componentes y potencial alcanzabilidad de funciones vulnerables.
• Enriquecer vulnerabilidades con información relevante como CVE, contexto del activo, exposición y criticidad de negocio.
• Diseñar procesos de evaluación que permitan medir precisión, relevancia, consistencia, cobertura y seguridad.
• Crear datasets de evaluación, casos de prueba y mecanismos de comparación entre modelos, prompts y configuraciones.
• Implementar guardrails y controles frente a alucinaciones, prompt injection, fuga de información y respuestas no fundamentadas.
• Garantizar que los resultados generados incluyan evidencias, referencias, niveles de confianza y trazabilidad.
• Integración con sistemas de observabilidad, como Dynatrace para medir modelos, prompts, agentes, tokens, latencia, errores y costes.
• Desarrollar servicios y APIs en Python para exponer las capacidades de IA al resto de la aplicación.
• Colaborar con el equipo de desarrollo en la integración de los componentes de GenAI en las interfaces y procesos de negocio.
• Utilizar aceleradores de código definidos siguiendo los estándares definidos en la compañía.
• Colaborar con equipos de Cybersecurity, Data, Cloud, Architecture, DevOps y responsables de producto.
• Participar en la definición del roadmap de inteligencia artificial y evaluar nuevas técnicas, modelos y herramientas.

Conocimientos

Python

GenAI

LangChain

LangGraph

RAG

búsqueda semántica

agentes

tool calling

APIs

backend Python

GitHub

testing automatizado

observabilidad

Dynatrace

comunicación técnica

Herramientas

LangChain

LangGraph

GitHub

Dynatrace

Descripción del empleo

knowmad mood está buscando un/a AI Engineer Senior para liderar capacidades GenAI en nuestras aplicaciones, con foco en RAG, búsqueda semántica y agentes. Trabajarás con modelos, APIs y pipelines para llevar soluciones de IA a producción.

Formarás parte de un equipo internacional, colaborarás con Cybersecurity, Data y DevOps, y participarás en el roadmap de IA, definiendo guardrails y métricas de rendimiento.